PERBANDINGAN ALGORITMA MACHINE LEARNING SUPPORT VECTOR MACHINE (SVM) DAN RANDOM FOREST UNTUK MENDETEKSI KONTEN NEGATIF PADA WEBSITE

Internet saat ini sudah berkembang sebagai tempat untuk mencari informasi yang memberikan dampak positif kepada kehidupan sehari-hari masyarakat. Tetapi, internet saat ini juga menjadi tempat untuk menyebarkan informasi yang memberikan dampak negatif dari penyebaran konten negatif kepada masyarakat. Untuk memberantas website yang memberikan dampak negatif seperti pornografi, perjudian, dan penipuan pemerintah telah membangun sistem laporan dan DNS (Domain Name System) yaitu Trust Positif. Namun langkah tersebut masih kurang efektif karena hanya didasarkan pada DNS dan laporan masyarakat. Tujuan dari penelitian ini adalah untuk menggunakan Machine Learning untuk membuat model klasifikasi konten negatif website berdasarkan isi teks website. Metode yang digunakan adalah Support Vector Machine dan Random Forest sebagai perbandingan. Proses penelitian diawali dengan melakukan preprocessing pada data teks dengan pendekatan dari NLP (Natural Language Processing) lalu
mengaplikasikan metode Machine Learning. Hasil dari pengujian menunjukkan bahwa Support Vector Machine lebih unggul dibandingkan dengan Random Forest dalam penelitian ini. Accuracy dari Support Vector Machine sebesar 97%,
Precision sebesar 90% dan Recall sebesar 91%, sedangkan untuk Accuracy pada Random Forest sebesar 92%, Precision sebesar 71%, dan Recall sebesar 86%. Nilai yang didapatkan adalah hasil pengujian dengan menggunakan 526 url website.